AI 應用導入前，先問這 3 個問題：資料在哪、誰負責、錯了怎麼改？

小企業導入 AI 應用時，很容易先從工具開始。

哪個 AI 平台比較強？

哪個模型比較聰明？

哪個工具可以寫文章、做客服、整理表格、產生圖片？

這些問題當然會遇到，但它們不是最前面的問題。

真正該先問的是三件事：

資料在哪？

誰負責？

錯了怎麼改？

如果這三個問題沒有答案，AI 工具再強，也很容易變成新的混亂來源。

因為 AI 不是憑空工作的。它需要資料，需要指令，需要人判斷結果，也需要一套錯誤修正方式。小企業導入 AI 失敗，很多時候不是工具不夠好，而是這三個基礎問題沒有先處理。

第一個問題：資料在哪？

AI 應用要開始，第一件事不是開帳號，而是找資料。

資料可能在 LINE 對話裡。

可能在 Excel 表格裡。

可能在 Google Drive 文件裡。

可能在網站後台。

可能在 GitHub repo。

可能在老闆或工程師的腦袋裡。

如果資料散在很多地方，AI 就算可以幫忙，也很難穩定幫忙。

例如你想讓 AI 幫忙整理客戶問題，但客戶訊息有些在 LINE、有些在電話轉述、有些在 Email、有些只存在口頭記憶，AI 就會缺少完整上下文。

又例如你想讓 AI 幫忙寫網站文章，但素材散在聊天紀錄、舊文章、工作筆記、截圖和口頭描述裡，沒有整理成可引用資料，AI 就很容易寫成通用文章。

所以導入 AI 前，第一個檢查是資料位置。

至少要先列出：

資料名稱。

資料在哪裡。

誰可以存取。

資料是不是最新。

資料能不能給 AI 看。

資料裡有沒有個資、密碼或敏感內容。

這一步看起來很基本，但非常重要。

如果資料位置不清楚，AI 做出來的結果就會像猜的。

第二個問題：誰負責？

AI 很容易讓責任變模糊。

因為它可以產生文字、整理表格、做摘要、給建議，所以人會不知不覺把責任推給 AI。

但真正出錯時，客戶不會找 AI 負責。

網站文章錯了，是公司負責。

客服回錯了，是公司負責。

資料整理錯了，是公司負責。

報價資訊誤導了，也是公司負責。

所以 AI 應用導入前，一定要定義誰負責。

不是只有誰會操作工具，而是每個環節誰負責。

例如：

誰提供資料？

誰下指令？

誰檢查 AI 輸出？

誰決定是否採用？

誰能修改正式內容？

誰能發布到網站？

誰能回覆客戶？

誰能接觸敏感資料？

這些邊界如果沒有寫清楚，AI 就會讓流程看起來更快，但責任更亂。

比較安全的做法是把 AI 放在協助位置，而不是決策位置。

AI 可以整理資料，但人決定是否採用。

AI 可以寫草稿，但人決定是否發布。

AI 可以產生客服摘要，但人決定怎麼回客戶。

AI 可以提出風險提醒，但人負責最後判斷。

責任清楚，AI 才能安全進入流程。

第三個問題：錯了怎麼改？

很多 AI 導入只設計成功情境，沒有設計錯誤情境。

例如 AI 成功整理資料、成功寫文章、成功產生摘要，大家就覺得可以用了。

但正式工作一定會出錯。

AI 可能誤解意思。

AI 可能漏掉重要資訊。

AI 可能把舊資料當新資料。

AI 可能把未確認的推測寫成結論。

AI 可能格式寫錯。

AI 可能產生看起來合理但其實不正確的內容。

所以導入前要先問：如果錯了，怎麼改？

這不是悲觀，而是基本流程設計。

至少要先定義：

錯誤由誰發現。

錯誤要記在哪裡。

原始版本是否保留。

修正版是否保留。

修正原因是否記錄。

同樣錯誤下次怎麼避免。

是否需要更新提示詞、流程或知識庫。

如果沒有錯誤修正流程，AI 每次出錯都只是單次事故。修完就忘，下次再犯。

如果有修正流程，每一次錯誤都會變成規則。

例如 frontmatter 寫錯造成文章 404，之後就把正確欄位寫進貼文 SOP。

例如 AI 客服在進液體情境下語氣太保守，之後就把「不建議反覆通電測試」寫進風險規則。

例如 AI 文章重複感太高，之後就建立文章池與 SEO brief。

這就是錯誤修正流程的價值。

這三個問題要寫成表，不要只放在腦袋裡

資料在哪、誰負責、錯了怎麼改，最好不要只靠記憶。

可以用很簡單的表格先記下來。

欄位可以是：

AI 應用場景。

資料來源。

資料位置。

是否含敏感資料。

負責人。

AI 輸出內容。

人工驗收方式。

錯誤修正方式。

是否可進下一階段。

例如「網站文章草稿」這個場景，可以這樣寫：

資料來源：工作筆記、已發文章、關鍵字表。

資料位置：GitHub、ChatGPT 記錄、CSV 檔。

敏感資料：不得包含密碼、客戶個資、未公開憑證。

負責人：ChatGPT 產稿，小陳確認，Boss 發布。

AI 輸出：markdown 文章、檔名、路徑、公開網址。

驗收方式：檢查 frontmatter、標題、內文、公開網址。

錯誤修正：若 404，先查路徑、frontmatter、部署狀態。

這樣 AI 應用才不是口頭說說，而是變成可執行流程。

什麼情況代表還不適合導入 AI？

如果三個問題都答不出來，就先不要急著導入。

例如資料在哪裡不知道。

誰可以看資料不知道。

AI 輸出誰要檢查不知道。

錯了要改哪裡不知道。

發布權限誰有不知道。

敏感資料能不能貼給 AI 不知道。

這些都代表流程還沒準備好。

這時候真正該做的不是買工具，而是整理流程。

把資料集中。

把欄位命名。

把責任分清楚。

把錯誤修正方式寫下來。

當這些準備好了，AI 工具才有比較穩的落地空間。

導入 AI 不是一次決定，而是分階段放大

這三個問題也可以用來判斷 AI 是否能進下一階段。

第一階段，AI 只做草稿或整理，不直接影響正式結果。

第二階段，AI 可以進入固定流程，但需要人工驗收。

第三階段，AI 可以半自動處理低風險任務。

第四階段，只有在規則、紀錄、回退都成熟後，才談更高自動化。

每一階段都要回到三個問題：

資料是否更清楚？

責任是否更明確？

錯誤是否能被修正？

如果答案是否定的，就不要升級自動化程度。

AI 導入不是一口氣推到最前線，而是從可控範圍慢慢擴大。

小企業最怕的是 AI 變成第二套混亂流程

小企業工作本來就常常很忙。

如果 AI 導入後，資料更散、責任更模糊、錯誤更難追，那 AI 就不是幫忙，而是新增一套混亂流程。

例如原本只是 LINE 訊息很亂，現在又多了一堆 AI 摘要。

原本只是網站文章要人工貼，現在又多了一堆 AI 草稿但沒人驗收。

原本只是資料表欄位不一致，現在 AI 又產生更多不同格式。

這些都是導入前沒有問清楚三個問題的結果。

所以 AI 應用要先做小、做清楚、做可追蹤。

資料在哪，要看得到。

誰負責，要寫得出來。

錯了怎麼改，要真的能執行。

結論：AI 應用的基礎不是工具，而是可追蹤流程

小企業導入 AI 應用，不要一開始就被工具名稱牽著走。

工具會變。

模型會變。

平台會變。

但資料、責任、修正流程，是每一個 AI 應用都需要的基礎。

資料不清楚，AI 會猜。

責任不清楚，出錯沒人接。

修正流程不清楚，同樣錯誤會一直重複。

所以導入 AI 前，先問三個問題：

資料在哪？

誰負責？

錯了怎麼改？

這三個問題回答得出來，AI 才比較有機會成為小企業的工作助力。

回答不出來，就先別急著買工具。

先把流程整理好，AI 才知道要幫哪裡，也才不會越幫越忙。